採用される側から見たAI人材の転職概況

経験年数だけでは見えない、AI人材の専門性

※本記事は、採用される側から見たAI転職市場についての考察です。特定の転職エージェントや採用担当者を批判する意図はありません。

先日、転職エージェントと情報交換をしている中で、次の質問を受けました。

「AIの実装経験は何年ですか？」

Java、AWS、プロジェクトマネジメントなど、経験年数を使ってスキルの目安を確認することは珍しくありません。

しかし、AIについて同じ質問をされたとき、私はすぐには答えられませんでした。

経験がないからではありません。

「AI実装」とは、どこからどこまでを指すのだろうか。

と考えてしまったからです。

「AI実装」の範囲は広い

現在の生成AIシステムには、異なる種類の仕事が含まれています。

領域	具体的な仕事
AIアプリケーション	LLM API、チャットUI、入出力処理を実装する
RAG・ナレッジ	検索、チャンク、参照情報、コンテキストを設計する
AIエージェント	状態、権限、Tool・API連携、実行範囲を設計する
AI評価	回答品質、検索品質、評価セット、合格基準を設計する
システム統合	AIを既存システム、データ、業務プロセスと接続する
HITL・ガバナンス	人間の確認、承認、監査、責任分界を設計する

いずれも広い意味では「AI実装」と呼べます。

しかし、LLM APIを使ったチャットアプリを実装することと、RAGの品質を評価し、人間の承認を挟み、既存システムまで統合することでは、必要な能力も責任範囲も違います。

問題は、どちらが優れているかではありません。

異なる種類の経験が、同じ「AI実装経験」という言葉にまとめられている

ことです。

同じ「1年」でも中身は違う

例えば、同じ1年間でも、次の二人では経験の内容が異なります。

エンジニア	1年間で担当したこと
Engineer A	LLM API、チャットUI、プロンプトの実装
Engineer B	RAG設計、評価セット、既存システム統合、本番運用

LLMアプリケーションを短期間で開発できる人を探しているなら、Engineer Aが求人に適合する可能性があります。

RAGを業務システムへ組み込み、品質評価や運用まで担当する人を探しているなら、Engineer Bの経験が適合するかもしれません。

二人とも履歴書には「AI開発経験1年」と書けます。

しかし、その数字だけでは、求人との適合性を判断できません。

経験年数は、その人が何をできるかを直接示すものではなく、能力を推測するための一つの情報です。

過去の学習経験も「AI実装経験」になるのか

会話の中では、私が以前アメリカへ留学し、コンピュータやITを学んだ経験も、AI実装経験へ加えられるのではないか、という趣旨の話が出ました。

アメリカで学び、生活した経験には、現在も大きな価値があります。

コンピュータサイエンスの基礎や、技術とビジネスに対する考え方は、現在の仕事にもつながっています。

ただし、それと現在の生成AIシステムを設計・実装した経験は、分けて扱う方が自然です。

私が留学していたのは、Transformerが登場する前です。

当時の学習経験が現在の能力を支えていることと、RAG、AIエージェント、評価、HITLなどを実際に扱った期間は同じではありません。

例えば、過去にデータベースを学んでいたとしても、それをそのまま「RAG実装経験」に換算することはできません。

AIに関係する経験は、少なくとも次のように分けられます。

経験の種類	内容
学習経験	AI、機械学習、コンピュータサイエンスを学んだ
関連技術経験	ソフトウェア、データベース、クラウド、セキュリティを扱った
AI利用経験	生成AIツールを業務で利用した
AIシステム経験	AIを設計、実装、評価、統合、運用した

これらは相互に関係しています。

ソフトウェア開発の経験はAIアプリケーションに、データベースの経験はRAGに、セキュリティの経験はAIエージェントの権限設計に役立ちます。

しかし、

現在の能力に役立つ経験と、その技術自体を実践した経験は同じではありません。

すべてを「AI経験○年」という一つの数字へまとめると、その数字が何を表しているのか分かりにくくなります。

経験年数と一緒に確認したいこと

経験年数が不要ということではありません。

長期間の運用、技術変化への対応、失敗と改善の蓄積など、時間をかけなければ得にくい経験もあります。

ただし、AI人材を評価するなら、年数と一緒に次の内容を見る必要があります。

評価する観点	確認する内容
対象	どのようなAIシステムを扱ったか
担当範囲	設計、実装、評価、統合、運用のどこを担当したか
設計判断	どのような選択肢から、何を根拠に判断したか
責任	品質、承認、リスクについて何を担ったか
実用段階	検証、PoC、本番導入、本番運用のどこまで経験したか
成果	AIによってどのような価値や改善を生んだか

これらを確認すれば、同じ「AI経験1年」でも、その人が何を経験し、どの求人に適合するのかを具体的に判断できます。

採用される側も、経験を分解して説明する

採用される側も、「AI経験○年」とだけ答えるのではなく、自分の経験を分解して説明する必要があります。

私は、自分の経験について次のように説明する方が、実態を正確に伝えられると考えています。

どのような業務やシステムを対象にしたか
AIをどの工程へ組み込んだか
どこまで設計・実装したか
AIの品質をどう評価したか
AIと人間の責任をどう分けたか
既存システムとどのように統合したか
どのような成果や改善につながったか

このサイトでAI活用事例を公開しているのも、経験年数だけでは伝えにくい設計判断や責任範囲を、外部から確認できる形にするためです。

おわりに

「AI実装経験は何年ですか？」という質問は、候補者を理解するための入口としては有効です。

ただし、その数字だけでAI人材の専門性を評価することは困難です。

AIに関わる仕事には、アプリケーション、RAG、エージェント、評価、システム統合、HITL、ガバナンスなど、異なる専門性があります。

そのため、AI人材を評価するときに必要なのは、

何年AIを扱ったかだけでなく、AIを使って何を設計し、どの判断と責任を担い、どのような価値を生み出したかを見ること

ではないでしょうか。

そして採用される側も、自分自身に問い直す必要があります。

「AIを使って、どのような問題を解き、どのような価値を提供してきたのか？」